Uji Asumsi Korelasi Sederhana

MAKALAH

Disusun untuk memenuhi tugas mata kuliah Statistik Pendidikan

Disusun Oleh :

1. Reza Delviana (1910205055)

2. Trina Febrianti (1910205002)
3. Wahyuni Ulfa (1910205057)

Dosen Pengampu :

Putri Yulia, M.Pd

JURUSAN TADRIS MATEMATIKA

FAKULTAS TARBIYAH DAN ILMU KEGURUAN

INSTITUT AGAMA ISLAM NEGERI KERINCI

TAHUN 2021

1
 KATA PENGANTAR

Assalamualaikum Warahmatullahi Wabarakaatuh

Puji syukur kehadirat Tuhan Yang Mahakuasa karena telah memberikan

kesempatan pada penulis untuk menyelesaikan makalah ini. Atas rahmat dan
hidayah-Nya lah penulis dapat menyelesaikan makalah yg berjudul ”Uji Asumsi
Korelasi Sederhana” tepat waktu.

Makalah ” Uji Asumsi Korelasi Sederhana“ disusun guna memenuhi tugas

Mata Kuliah statistic Pendidikan dengan Dosen pengampu Ibuk Putri Yulia, M.Pd.
Selain itu, penulis juga berharap agar makalah ini dapat menambah wawasan bagi
pembaca tentang Uji Asumsi Korelasi Sederhana.

Penulis berharap Tugas yang telah diberikan ini dapat menambah

pengetahuan dan wawasan terkait bidang yang ditekuni penulis. Penulis juga
mengucapkan terima kasih pada semua pihak yang telah membantu proses
penyusunan makalah ini.

Penulis menyadari makalah ini masih jauh dari kata sempurna. Oleh karena
itu, kritik dan saran yang membangun akan penulis terima demi kesempurnaan
makalah ini.

Sungai Penuh, 20 April 2021

Penulis

Kelompok 1 (satu)

2
 DAFTAR ISI

KATA PENGANTAR ....................................................................................... 2

DAFTAR ISI ...................................................................................................... 3

BAB I PENDAHULUAN .................................................................................. 4

A. Latar Belakang ........................................................................................ 4

B. Rumusan Masalah ................................................................................... 5
C. Tujuan Penulisan ..................................................................................... 5

BAB II PEMBAHASAN ................................................................................... 6

A. Pengertian Korelasi Sederhana ............................................................... 6

B. Analisis/Uji Korelasi Sederhana ............................................................. 7
C. Uji Hipotesis Untuk p (rho)................................................................... 12
D. Korelasi Antar Jenjang ......................................................................... 14

BAB III PENUTUP ......................................................................................... 18

A. Kesimpulan ........................................................................................... 18
B. Saran ...................................................................................................... 19

DAFTAR PUSTAKA ...................................................................................... 20

3
 BAB I

PENDAHULUAN

A. Latar Belakang
Hubungan antar variabel sering menjadi objek yang akan diamati bentuknya
dalam sebuah pemodelan. Dua buah variabel yang diduga mempunyai hubungan
sebab akibat, atau dalam bahasa statistik disebut hubungan antar variabel terikat
(dependen) dan variabel bebas (independen). Analisis statistik yang sering
digunakan untuk melihat hubungan antara dua jenis variabel tersebut adalah
analisis korelasi dan analisis regresi. Analisis korelasi berkaitan dengan
pengukuran tingkat keeratan hubungan di antara variabel – variabel baik di
antara variabel terikat dengan variabel bebas maupun sesama variabel bebas.
Variabel bebas yaitu variabel yang dipakai untuk memprediksi nilai variabel
terikat, sedangkan variabel terikat yaitu variabel yang diprediksi (Setiawan dan
Dwi,2010:60). Analisis korelasi sederhana (Bivariate Correlation) digunakan
untuk mengetahui keeratan hubungan antara dua variabel dan untuk mengetahui
arah hubungan yang terjadi.
Koefisien korelasi sederhana menunjukkan seberapa besar hubungan yang
terjadi antara dua variabel. Dalam SPSS ada tiga metode korelasi sederhana
(bivariate correlation) diantaranya Pearson Correlation, Kendall’s tau-b, dan
Spearman Correlation. Pearson Correlation digunakan untuk data berskala
interval atau rasio, sedangkan Kendall’s tau-b, dan Spearman Correlation lebih
cocok untuk data berskala ordinal. Pada bab ini akan dibahas analisis korelasi
sederhana dengan metode Pearson atau sering disebut Product Moment Pearson.
Nilai korelasi (r) berkisar antara 1 sampai -1, nilai semakin mendekati 1 atau -1
berarti hubungan antara dua variabel semakin kuat, sebaliknya nilai mendekati 0
berarti hubungan antara dua variabel semakin lemah. Nilai positif menunjukkan
hubungan searah (X naik maka Y naik) dan nilai negatif menunjukkan hubungan
terbalik (X naik maka Y turun).
Banyak analisis data bertujuan untuk mengetahui apakah ada hubungan
antara dua atau lebih peubah. Bila hubungan demikian ini dapat dinyatakan

4
 dalam bentuk rumus matematik, maka kita akan dapat menggunakannya untuk
keperluan identifikasi selanjutnya.
Masalah identifikasi dapat dilakukan dengan menerapkan persamaan regresi
dan menentukan korelasi (hubungan) data. Sekarang ini, istilah regresi
ditetapkan pada semua jenis peramalan, dan tidak harus berimplikasi suatu
regresi mendekati nilai tengah populasi. Sedangkan Teknik korelasi merupakan
teknik analisis yang melihat kecenderungan pola dalam satu variabel
berdasarkan kecenderungan pola dalam variabel yang lain. Maksudnya, ketika
satu variabel memiliki kecenderungan untuk naik maka kita melihat
kecenderungan dalam variabel yang lain apakah juga naik atau turun atau tidak
menentu. Jika kecenderungan dalam satu variabel selalu diikuti oleh
kecenderungan dalam variabel lain, kita dapat mengatakan bahwa kedua variabel
ini memiliki hubungan atau korelasi.
Data yang baik adalah data yang memiliki keakuratan maksimal dan adanya
keterikatan dengan data lain yang masih bersangkutan. Untuk menciptakan data
yang baik data mentah perlu di distribusikan dan diolah. Data yang baik akan
mempermudah dalam menganalisis atau mengidentifikasi karakteristik data dan
mengulangi percobaan jika diperlukan.
B. Rumusan Masalah
Adapun rumusan masalah yang akan dibahas pada makalah ini adalah
sebagai berikut :
1. Apa yang dimaksud dengan korelasi sederhana?

2. Bagaimana maksud analisis/uji Korelasi sederhana.?

3. Bagaimana langkah untuk menguji hipotesis untuk ρ (rho)?

4. Apa yang dimaksud dengan korelasi antar jenjang?

C. Tujuan Penulisan
1. Mengetahui apa yang dimaksud dengan korelasi sederhana.
2. Mengetahui bagaimana analisis/uji korelasi sederhana.
3. Untuk mengetahui langkah-langkah dalam menguji hipotesis untuk ρ (rho).
4. Untuk mengetahui maksud dari korelasi antar jenjang.
5
 BAB II
PEMBAHASAN
A. Pengertian Korelasi Sederhana
Secara sederhana, korelasi dapat diartikan sebagai hubungan. Namun ketika
dikembangkan lebih jauh, korelasi tidak hanya dapat dipahami sebatas
pengertian tersebut. Korelasi merupakan salah satu teknik analisis dalam statistik
yang digunakan untuk mencari hubungan antara dua variabel yang bersifat
kuantitatif. Hubungan dua variabel tersebut dapat terjadi karena adanya
hubungan sebab akibat atau dapat pula terjadi karena kebetulan saja. Dua
variabel dikatakan berkolerasi apabila perubahan pada variabel yang satu akan
diikuti perubahan pada variabel yang lain secara teratur dengan arah yang sama
(korelasi positif) atau berlawanan (korelasi negatif).
Korelasi Sederhana merupakan suatu Teknik Statistik yang dipergunakan
untuk mengukur kekuatan hubungan 2 Variabel dan juga untuk dapat
mengetahui bentuk hubungan antara 2 Variabel tersebut dengan hasil yang
sifatnya kuantitatif. Kekuatan hubungan antara 2 variabel yang dimaksud disini
adalah apakah hubungan tersebut erat, lemah, ataupun tidak erat sedangkan
bentuk hubungannya adalah apakah bentuk korelasinya Linear Positif ataupun
Linear Negatif.
Kekuatan Hubungan antara 2 Variabel biasanya disebut dengan Koefisien
Korelasi dan dilambangkan dengan symbol “r”. Nilai Koefisian r akan selalu
berada di antara -1 sampai +1.

Perlu diingat :

Koefisien Korelasi akan selalu berada di dalam Range -1 ≤ r ≤ +1

Jika ditemukan perhitungan diluar Range tersebut, berarti telah terjadi kesalahan
perhitungan dan harus di koreksi terhadap perhitungan tersebut.

6
B. Analisis/Uji Korelasi Sederhana
Analisa korelasi pada garis besarnya dibedakan kepada dua, yaitu: 1.
Korelasi antara dua variabel (bivariate correlation) misalnya hubungan antara
rambu-rambu lalu lintas dengan kecelakaan lalu lintas. 2. Korelasi antara tiga
variabel atau lebih (multivariate correlation) misalnya hubungan antara
kecerdasan dan motif belajar dengan prestasi belajar.
Analisa yang membahas kuatnya hubungan antara variable-variable disebut
“Analisa Korelasi”, sedangkan angka yang menunjukkan kuat tidaknya (derajat)
hubungan antara variable-variable itu disebut dengan “Koefisien Korelasi” yang
diberi notasi “r”.
Apabila arah hubungan variable itu positif, disebut korelasi positif dan dua
variable itu cenderung akan berubah dengan arah yang sama. Apabila arah
hubungan variable itu negative maka disebut korelasi negative dan dua variable
itu cenderung akan berubah dengan arah yang berlawanan. Tetapi jika kedua
variable itu cenderung berubah dengan arah yang tidak menentu, maka dikatakan
tidak berhubungan.
Besarnya harga koeisien korelasi akan berada dalam interval -1 dan +1 atau
-1 ≤ r ≤ 1 1) Jika r = 1 atau mendekati, dikatakan bahwa dua variable itu
mempunyai hubungan yang kuat dan positif. 2) Jika r= -1 atau mendekati,
dikatakan bahwa bahwa dua variable itu mempunyai hubungan yang kuat dan
negatif. 3) Jika r = 0 atau mendekati, dikatakan bahwa dua variable itu tidak
berkorelasi atau berhubungan. Contoh sebaran diagram di bawah ini
menunjukkan adanya hubungan atau korelasi antara dua variable, yaitu variable
x dan y.

7
Keterangan:
1. Diagram sebaran yang menunjukkan korelasi linear positif.
2. Diagram sebaran yang menunjukkan korelasi linear negative.
3. Diagram sebaran yang menunjukkan korelasi nol.
Contoh: Suatu perusahaan mengadakan test masuk untuk calon karyawan.
Dari peserta tersebut, ternyata yang diterima sebagai karyawan hanya 10 orang
saja, dengan nilai test masing-masing adalah sebagai berikut: 63 67 61 72 70 60
74 64 69 75 Setelah mereka bekerja dalam waktu tertentu, tercatat nilai-nilai
hasil kerja merekaa adalah: 230 235 220 270 245 225 260 240 250 265

Dari diagram sebaran di atas(dengan sumbu x dan y), didapat empat kuadran,
yaitu:

❖ Kuadran I, mempunyai harga x negatif dan y positif

❖ Kuadran II, mempunyai harga x positif dan y positif
❖ Kuadran III, mempunyai harga x positif dan y negative
❖ Kuadran IV, mempunyai harga x negatif dan y negatif

Dengan demikian pada kuadran II dan IV mempunyai hasil perkalian antara

x dan y yang positif, sedangkan pada kuadran I dan III mempunyai hasil

8
perkalian antara x dan y yang negatif. Karena itu apabila sebagian besar data
tersebar di kuadra II dan IV maka dikatakan bahwa antara variable x dan y
berkorelasi positif, tetapi jika sebagian besar data tersebar di kuadran I dan II,
maka dikatakan bahwa antara variable x dan y itu berkorelasi negatif, dan jika
data itu tersebar secara rambang di semua kuadran, maka dapat dikatakan
bahwavariable x dan y itu tidak berkorelasi. Jadi dari uraian di atas dapat
dikatakan pula bahwa:

❖ Korelasi positif bila xy > 0

❖ Korelasi negatif bila xy < 0
❖ Korelasi nol bila xy = 0
Namun demikian cara pengukuran itu kurang memadai dan untuk
memperbaiki cara pengukuran diatas maka koefisien korelasi (r) dihitung
melalui koefisien penentuan (Coeffisient of Determination) yang diberi notasi
“r²”. Koefisien korelasi ini menentukan berapa besar variasi y yang dapat
dijelaskan oleh variasi x. Oleh karena itu r² merupakan ratio antara variasi yang
dapat dijelaskan oleh garis regresi dengan variasi total, sehingga r² dirumuskan
dengan:

9
 Koefisien Korelasi Sederhana disebut juga dengan Koefisien Korelasi
Pearson karena rumus perhitungan Koefisien korelasi sederhana ini
dikemukakan oleh Karl Pearson yaitu seorang ahli Matematika yang berasal dari
Inggris.
Dimana :

n = Banyaknya Pasangan data X dan Y

Σx = Total Jumlah dari Variabel X
Σy = Total Jumlah dari Variabel Y
Σx2= Kuadrat dari Total Jumlah Variabel X
Σy2= Kuadrat dari Total Jumlah Variabel Y
Σxy= Hasil Perkalian dari Total Jumlah Variabel X dan Variabel

Contoh Kasus

Berikut ini merupakan data perusahaan mengenai harga permintaan suatu

komoditi (X) dan harga rata-rata suatu komoditi (Y) disajikan dalam tabel
berikut:

X Y

178 105

224 105

160 130

315 130

229 130

250 150

10
 181 150

306 170

257 170

300 180

Hitunglah koefisien korelasi pada kasus tersebut dan bagaimana arti dari hasil
koefisien korelasi yang didapat !

Jawaban
Berikut ini hasil perhitungan tabel untuk mendapatkan nilai total untuk X, Y,
X2,Y2,dan XY:

Data X Y X2 Y2 XY

1 178 105 31684 11025 18690

2 224 105 50176 11025 23520

3 160 130 25600 16900 20800

4 315 130 99225 16900 40950

5 229 130 52441 16900 29770

6 250 150 62500 22500 37500

7 181 150 32761 22500 27150

8 306 170 93636 28900 52020

11
 9 257 170 66049 28900 43690

10 300 180 90000 32400 54000

Total 2400 1420 604072 207950 348090

Dengan memasukan nilai total dari semua variabel pada tabel dan jumlah
data ke dalam rumus korelasi Pearson Product Moment maka didapat hasil
sebagai berikut:

Maka nilai koefisien korelasi Pearson Product Momentnya adalah 0.5477.

C. Uji Hipotesis Untuk p (rho)

Harga Koefisien Korelasi (r) yang telah diuraikan dimuka hanyalah
merupakan harga r taksiran dari koefisien korelasi populasinya (ρ = rho) karena
data yang diambil hanyalah suatu sample saja dan karena itu mungkin saja r itu
bukan merupakan penaksir ρ yang dapat diandalkan. Maka untuk mengetahui
keterandalan r sebagai penaksir ρ, perlu dilakukan pengujian dengan statistik “t”.
Harga statistik untuk hipotesa ρ dihitung dengan rumus :

Sebagai contoh, kita akan menjuri ρ terhadap r yang telah dihitung di muka,
dengan langkah-langkah sebagai berikut:

12
 1. Ho : ρ (rho) = 0

Ha : ρ (rho) > 0 (dapat juga digunakan alternative yang lain)

2. Misal digunakan α = 0,05 dengan df = n – 1 – k = 8 ttab = 1,86

5. Tolak Ho karena th > ttab. Kesimpulannya bahwa ada korelasi positif yang
signifikan antara nilai test dengan nilai hasil kerja.

Disamping dengan cara diatas maka uji signifikansi koefisien korelasi

dapat pula dilakukan dengan menggunakan table harga kritik r product
moment. Dalam pengujian ρ dengan product moment ini biasanya c “tidak ada
korelasi antara variable x dan y”. Ho ditolak jika harga r dari perhitungan sama
dengan atau lebih besar dari harga kritik r dari tabel. Dan Ho diterima jika harga
r dari perhitungan lebih kecil dari harga kritik r dari tabel.

13
 Untuk menguji r dari hasil perhitungan diatas, maka terlebih dahulu kita
cari harga kritik r dalam tabel untuk n = 10 dengan taraf keyakinan 95%. Dari
tabel harga kritik r product moment diperoleh harga kritik r = 0,632. Ternyata
harga r hasil perhitungan = 0,93, lebih besar dari harga kritik r = 0,632, maka
Ho ditolak. Jadi harga r = 0,93 itu signifikan dan disimpulkan ada korelasi
positif antara nilai tes dengan nilai hasil kerja secara meyakinkan.

D. Korelasi Antar Jenjang

Korelasi antar jenjang (Rank Corellation) dimaksudkan untuk menentukan

ada tidaknya korelasi antar variabel pengaruh x dan variabel tergantung y, jika
variabel-variabel itu disajikan (dilaporkan) dalam bentuk data jenjang atau
angka-angka ranking. Angka-angka ranking tersebut merupakan pengganti
data-data yang sudah ada dan biasanya data tertinggi dari suatu variabel diberi
angka ranking (angka jenjang) 1 dan selanjutnya diurutkan sampai data yang
terendah (dapat pula digunakan urutan angka jenjang yang sebaliknya).

Koefisien korelasi antar jenjang ini biasanya diberi notasi “ r’ “ dan oleh
Spearman dirumuskan sebagai berikut :

Di mana :

r1 = koefisien korelasi antar jenjang

d = selisih antar angka jenjang (ranking) dari variable yang satu dengan
variabel yang lain.

n = banyaknya sampel (data), yang oleh Spearman ditetapkan minimal 5.

Cara pengujian signifikansi koefisien korelasi antar jenjang ini dapat

dilakukan menggunakan tabel harga kritik r Spearman pada n dan taraf
keyakinan tertentu. Taraf keyakinan yang biasa dipakai adalah 95% atau 99%.
14
Dari hasil pengujian itu, kita akan menyimpulkan tidak ada korelasi yang
meyakinkan antara variable x dengan variable y, jika harga r1 dari hasil
perhitungan lebih kecil dari harga r dalam tabel, dan kita akan menyimpulkan
ada korelasi yang meyakinkan antara variable x dengan variable y, jika harga r’
hasil perhitungan sama dengan atau lebih besar dari harga r dalam tabel.

Contoh:

Masih menggunakan contoh dimuka, sekarang kita hitung harga koefisien

korelasi antar jenjangnya sebagai berikut :

Catatan :
Ʃ jenjang X harus = Ʃ
jenjang YƩ d harus = nol
r’=1-(6∑d^2)/(n(n^21))
= 1(6(12))/10(10^2-1)
= 0,93

15
 Jika dibandingkan taraf keyakinan 95%, maka r dalam tabel sebesar 0,648.
Karena r’ > r tabel, maka kesimpulannya bahwa ada korelasi yang meyakinkan
antara variable x dengan variable y. Apabila dalam variable x maupun variable
y terdapat data observasi yang sama, maka jenjang (ranking) untuk variable-
variable tersebut harus diadakan penyesuaian.

Sebagai contoh adalah:

Dari 5 calon salesmen yang diuji mengenai teknik penjualan kemudian

ditugaskan untuk melakukan penjualan. Apabila variable x menyatakan nilai
ujian dan variable y menyatakan hasil penjualan, yang masing-masing besarnya
adalah:

Dari data diatas ditentukan koefisien korelasi antar jenjang untuk kelima
salesman tersebut diatas!
Penyelesaian:

Perhitungan korelasi antar jenjang dari nilai ujian (x) dan hasil penjualan (y)
dari 5 orang salesman adalah sebagai berikut:

16
 Oleh karena Badu, Tono dan Tini mempunyai nilai ujian (variable x) yang
sama dan jatuh pada jenjang ke 2, 3, 4 maka angka jenjang nilai ujian (x)
mereka masing-masing juga harus sama, yaitu: (2+3+4)/3=3
Sedangkan Badu dan Umar mempunyai angka hasil penjualan (variabley)
yang sama dan jatuh pada jenjang ke 1 dan 2 sehingga angka jenjang hasil
penjualan (y) masing-masing adalah: (1+2)/2=1,5

Setelah diperoleh nilai d2 masing-masing salesman, maka harga koefisien

korelasi antar jenjang dapat dihitung:

Menurut Spearman besarnya harga kritik r pada n-5 dengan taraf signifikasi
5% atau taraf keyakinan 95% adalah 1. Jadi karena harga r’ < rtab, maka dapat
disimpulkan bahwa tidak ada hubungan (korelasi) yang meyakinkan antara nilai
ujian dengan penjualan dari salesman.

17
 BAB III

PENUTUP
A. Kesimpulan

Hubungan antar variabel sering menjadi objek yang akan diamati bentuknya
dalam sebuah pemodelan. Dua buah variabel yang diduga mempunyai hubungan
sebab akibat, atau dalam bahasa statistik disebut hubungan antar variabel terikat
(dependen) dan variabel bebas (independen). Analisis statistik yang sering
digunakan untuk melihat hubungan antara dua jenis variabel tersebut adalah
analisis korelasi dan analisis regresi. Analisis korelasi berkaitan dengan
pengukuran tingkat keeratan hubungan di antara variabel – variabel baik di
antara variabel terikat dengan variabel bebas maupun sesama variabel bebas.
Variabel bebas yaitu variabel yang dipakai untuk memprediksi nilai variabel
terikat, sedangkan variabel terikat yaitu variabel yang diprediksi (Setiawan dan
Dwi,2010:60). Analisis korelasi sederhana (Bivariate Correlation) digunakan
untuk mengetahui keeratan hubungan antara dua variabel dan untuk mengetahui
arah hubungan yang terjadi.

Koefisien korelasi sederhana menunjukkan seberapa besar hubungan yang

terjadi antara dua variabel. Dalam SPSS ada tiga metode korelasi sederhana
(bivariate correlation) diantaranya Pearson Correlation, Kendall’s tau-b, dan
Spearman Correlation. Pearson Correlation digunakan untuk data berskala
interval atau rasio, sedangkan Kendall’s tau-b, dan Spearman Correlation lebih
cocok untuk data berskala ordinal. Pada bab ini akan dibahas analisis korelasi
sederhana dengan metode Pearson atau sering disebut Product Moment Pearson.
Nilai korelasi (r) berkisar antara 1 sampai -1, nilai semakin mendekati 1 atau -1
berarti hubungan antara dua variabel semakin kuat, sebaliknya nilai mendekati
0 berarti hubungan antara dua variabel semakin lemah. Nilai positif
menunjukkan hubungan searah (X naik maka Y naik) dan nilai negatif
menunjukkan hubungan terbalik (X naik maka Y turun).

18
B. Saran
Dengan adanya penulisan makalah ini diharapkan kepada pembaca agar
dapat memahami materi tentang Uji Asumsi Korelasi Sederhana.

19
 DAFTAR PUSTAKA

Ananda,rusydi dan Muhammad fadhil. 2018. Statistika Pendidikan. Medan : CV.

Widya puspita.

Kho,dickshon. 2021. Pengertian dan Analisis Korelasi Sederhana dengan Rumus

Pearson.https://teknikelektronika.com/pengertian-analisis-korelasi-sederhan
a-rumus-pearson/ (Diakses pada tanggal 20 April 2021 pukul 13.00 WIB).
Sudiyanto. 1992. Statistik Perusahaan III. Surakarta: LPP UNS dan UNS Press

20